论文部分内容阅读
脑一机接口(Brain-Computer Interfaces, BCI)是在人脑和计算机或其它电子设备之间建立的一种直接信息交流和控制通道,是一种不依赖于常规大脑输出通路(外周神经和肌肉组织)的全新信息交流系统。BCI作为一种全新的信息交换与控制技术,为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流与控制的新途径,正受到越来越广泛的关注。Alpha波(频率为8-13Hz的脑电信号)在闭眼时产生,睁开眼睛后明显减弱或消失,所以非常容易控制。通常情况下,α波的振幅要比其他脑电图波的振幅大一位数,加上它具有比较强的周期性,很容易观测到它的变化。基于以上原因,本课题采用α波作为研究对象。LabVIEW (Laboratory Virtual Instrument Engineering Workbench)是一种图形化的编程语言和开发环境,它广泛地被工业界、学术界和研究实验室所接受,被公认为是标准的数据采集和仪器控制软件。在LabVIEW环境下,设计α波的采集系统与分析系统。在Alpha波的采集和分析过程中,受到各种各样噪声的影响,为有效地提取和分析检测信号中的有用信息,提出采用独立分量分析(Independent component analysis, ICA)的方法对脑电信号进行去噪处理。方法:工频噪声、心电伪迹以及脑电波源信号之间的关系是统计独立的,满足ICA方法的分离条件,可将α波去噪问题转化为独立分量分离问题。在Matlab中编程,采用收敛速度快的FastICA算法把脑电信号中的工频噪声和心电伪迹作为独立信号分离出去,得到去噪后的α波。通过ICA方法对噪声进行分离后,脑电信号中的噪声基本被消除,并且可很好地保留脑电信号有用成分。识别部分采用改进的BP神经元网络作为a波分类器。使用Matlab软件对网络进行了训练。实验结果中,得到了网络的收敛曲线,并得到了较高的识别率。实验证明使用BP网络对α波进行分类是完全可行的。